Finansal hizmetler yazılımı üreticisi olan Iress, satın alma süreçlerinde kullanılan uzun bilgi taleplerine (RFI’ler) ve teklif taleplerine (RFP’ler) yanıt vermesine yardımcı olmak için üretken yapay zekayı kullandı.
İş zekası başkanı Jeff Gibson, Melbourne’deki Databricks Veri İstihbaratı Günü’nde şirketin en başından beri GenAI ile “gerçek bir iş sorununu çözmek” istediğini söyledi.
“Başka bir laboratuvar yapmak istemedik [experiment], bize biraz teori veren bir şey. Gerçek bir iş kullanım durumunu gerçekten çözmek ve yapay zekanın nasıl uygulanacağını ve yönetileceğini öğrenmek istedik” dedi Gibson.
“Bütün bu harika şeyleri duyuyoruz [about GenAI] ama gerçekte ne gerektiğini bulmak istedik [to utilise it]Ayrıca bu tür teknolojileri ve ürünleri geliştirmenin maliyetlerini anladığımızdan da emin olmak istedik.”
Şirket, ticari ve ürün ekiplerinin karşılaştığı bir zorluğun üstesinden geldi ve bu ekiplerden temsilcileri, BI, veri inovasyon ekiplerinden ve Databricks’ten kişilerle, geçen yıl iki günlük bir süre boyunca bir şeyler oluşturmaya çalışmak üzere bir araya getirdi.
Gibson, “Teklif taleplerimizi/bilgi taleplerimizi ele alan işletmede bir sorun bulduk” dedi.
“Birçok işletme, müşterilerinin bu tür bilgileri talep etmesini sağlıyor. Bu bizim için 50 ila 950 soru arasında olabilir. Bu bilgiyi işletmenin her yerinden, uzmanlardan ve dokümantasyondan almamız gerekiyor ve bu çok zor bir süreç olabilir.
“Bunu potansiyel müşteriye veya müşteriye ulaştırmak için sıklıkla baskı ve stres altındayız ve satış süreci için harcayacak çok fazla zamanımız yok, bu nedenle üç ila altı hafta kadar sürebilir ve birden fazla süreci kapsayabilir. ekipler için önemli maliyetler doğurabilir.”
Gibson, tatbikatın kasıtlı olarak iki gün ve bir gece ile sınırlı olduğunu ve ekibin “odadan çıkıp işe gösterecek bir şeyinin olmamasını istemediğini” söyledi.
Bu iki gün içinde soruların sorulabildiği ve yanıt almak için verilerin sorgulandığı bir arayüz sağlayan ‘Bella’ adında bir uygulama üretildi.
Gibson, verileri sorgulamanın başka olası yollarının da (bir elektronik tablonun veya intranet sitesinin üzerine bir arama motoru yerleştirmek gibi) olduğunu belirtti ancak GenAI’nin bağlam boyutunu eklediğini söyledi.
“Neden GenAI ile başlamalıyız? Çünkü tüm sürece eklenen şey bağlamdı; soruyla ilgili bağlam, müşteri ve bu bilginin nasıl geri sunulabileceği” dedi.
Gibson, Bella’nın Databricks, temel depolama için AWS ve Hugging Face kullanılarak üretildiğini söyledi. [AI] modeller ve bunları içeri getirin.
Databricks platformunun Bella’dan bu yana geçen kısa sürede bile önemli ölçüde geliştiğini ve bugün mevcut olan ek yeteneklerin gelecekteki çalışmalara faydalı olacağını belirtti.
Gibson, iki günlük sprintin bir iş sorununu çözmenin yanı sıra, katılanlar için “paha biçilemez bilgiler” ürettiğini ve Iress’in GenAI konusunda ileriye dönük bir yol çizmesine yardımcı olduğunu söyledi.
“Bu kadar kısa bir sürede çok şey öğrenen, işlevler arası bir ekibimiz vardı” dedi.
“Bu, yalnızca bu dahili kullanım durumları için değil, aynı zamanda ürünler geliştirdiğimiz dahili GenAI yol haritamızı da bilgilendirdi ve şimdi bunu ürünümüze nasıl dahil etmeye ve müşterilerimize sunmaya nasıl başlayabileceğimizi görebiliyoruz.”
İki günlük projenin aynı zamanda yapay zekayı takip ederken iyi veri yönetiminin önemini vurguladığını da sözlerine ekledi.
Gibson, “Verilerimizi doğru şekilde yönetme yöntemimizi bulamazsak, bunu düzgün bir şekilde yapamayacağımızın veya sürekli olarak yönetemeyeceğimizin farkına vardık” dedi.
“Yani bu sadece GenAI yol haritamızı bilgilendirmekle kalmıyor, aynı zamanda veri yönetimini ve veri yönetişimimizi nasıl yapacağımızı da gösteriyor.”